Changsuk Roh is a ML Engineer of Customer Advisory at SAS Korea, where he is in charge of presales to define system and solution architecture to solve customer problems. He has diverse experiences years from system engineer, application developer, data warehouse and BI consultant to data scientist. Since Joining at SAS 2017, he has worked for platform team in CA.
AI/ML 모델 개발 상의 어려움과 이를 해결하기 위한 접근법으로서 ModelOps의 필요성이 대두되고 있습니다. (참조 : AI/ML 기반 모델 개발, 과제와 해결방안은?) 이번 글에서는 ModelOps가 구체적으로 어떤 제품인지, 어떤 장점을 제공하며 구현방법은 어떠한지 등에 대해 설명드리도록 하겠습니다. 이에 앞서 ModelOps의 구현에 중요한 역할을 하는 ‘모델 거버넌스’에 대해 잠깐 짚어보도록 하겠습니다. 모델
기업내에 AI/ML를 적용하기 위해, 업무 관점에서 시민 데이터 사이언티스트(Citizen Data Scientist, 이하 CDS)와 그 필요 역량인 데이터 문해력(Data Literacy)의 중요성이 높아지고 있습니다.(참고 : 데이터 문해력과 시민 데이터 사이언티스트의 필요 역량) 이와 연결하여, 데이터를 기반으로 신속하게 개발한 예측 모델을 업무 시스템에 통합 또는 활용하기 위해 IT 관점에서 해결해야할 과제와 접근 방안에 대해
데이터 문해력과 SAS Viya 플랫폼 ‘데이터 문해력과 시민 데이터 사이언티스트(이하 CDS)의 필요 역량’이라는 지난번 블로그 포스팅에 이어, 이번에는 데이터 문해력을 기반으로 CDS를 지원하는 기반 플랫폼 ‘SAS Viya’(쌔스 바이야)의 주요 특징들을 살펴보겠습니다. SAS Viya는 인 메모리, MPP 환경과 Cloud Native 등 최신 기술을 기반으로, 분석의 생애 주기인 데이터 접근, 전 처리,
이전에 포스팅했던 시민 데이터 사이언티스트(Citizen Data Scientist, 이하 CDS)에 대한 블로그에서 CDS가 갖춰야 할 기본 역량이 Data Literacy(한글로는 데이터 문해력으로 번역/이하 데이터 문해력)라고 소개했었습니다. 참고로 ‘문해력’이란 단어는 글을 읽고 이해하는 능력을 의미하는데, 데이터를 다룰 때도 마찬가지로 데이터를 읽고 이해하는 능력이 중요하기 때문에 이러한 용어를 사용해도 큰 무리는 없으리라 판단됩니다. 이번
SAS 바이야(Viya)의 자동 머신 러닝으로 현업 담당자도 손쉽게 데이터 분석 가능 인공지능(AI)과 머신 러닝(ML)이 등장하기 시작한 약 10 여 년 전부터 Data Science 영역이 많은 주목을 받게 되었고, 이에 따라 급여가 높고 장래성이 있는 매력적인 직업으로서 Data Scientist의 인기가 한층 높아지고 있습니다. Data Scientist의 역할을 제대로 수행하기 위해서는 컴퓨터 프로그램